操作方法:在 Kubernetes 中搭建 Fluentd、Elastic search 和 Kibana
- Kubernetes (> 1.14)
- kubectl
安装 Elasticsearch 和 Kibana
为监测工具创建命名空间并添加 Helm Repo 用于Elastic Search
添加 Elastic helm repo
helm repo update
使用 Helm 安装 Elastic Search
默认情况下,Chart 必须在不同的节点上创建3个副本。 如果您的集群少于3个节点,请指定一个较低的副本数量。 例如,将它设置为 1:
helm install elasticsearch elastic/elasticsearch -n dapr-monitoring --set replicas=1
否则:
helm install elasticsearch elastic/elasticsearch -n dapr-monitoring
如果您正在使用 minikube 或者想要禁用持久化卷来开发,您可以使用以下命令禁用它:
安装 Kibana
helm install kibana elastic/kibana -n dapr-monitoring
校验
kubectl get pods -n dapr-monitoring
NAME READY STATUS RESTARTS AGE
elasticsearch-master-0 1/1 Running 0 6m58s
kibana-kibana-95bc54b89-zqdrk 1/1 Running 0 4m21s
- 安装 config map 和 Fluentd 作为守护程序
下载这些配置文件:
将配置应用到您的集群:
kubectl apply -f ./fluentd-config-map.yaml
kubectl apply -f ./fluentd-dapr-with-rbac.yaml
- 确保 Fluentd 作为守护程序运行;实例的数量应与集群节点的数量相同。 在下面的例子中,我们只有一个节点。
使用 JSON 格式化日志安装 Dapr
使用 JSON 格式化日志启用 Dapr
helm repo add dapr https://dapr.github.io/helm-charts/
helm repo update
helm install dapr dapr/dapr --namespace dapr-system --set global.logAsJson=true
在 Dapr sidecar 中启用 JSON 格式化日志
添加 dapr.io/log-as-json: "true"
annotation 到你的部署yaml.
You can run Kafka locally using Docker image. To run without Docker, see the getting started guide here.
apiVersion: apps/v1
metadata:
name: pythonapp
namespace: default
labels:
app: python
spec:
replicas: 1
selector:
matchLabels:
app: python
template:
metadata:
labels:
annotations:
dapr.io/app-id: "pythonapp"
dapr.io/log-as-json: "true"
...
- Port-forward 到 svc/kibana-kibana
$ kubectl port-forward svc/kibana-kibana 5601 -n dapr-monitoring
Forwarding from 127.0.0.1:5601 -> 5601
Forwarding from [::1]:5601 -> 5601
Handling connection for 5601
Handling connection for 5601
点击Management -> Index Management
- 请稍候,直到Dapr-* 被索引。
- 一旦dapr-* 被索引了,请点击 Kibana-> Index Patterns 并创建索引模式
- 在index pattern中输入
dapr*
定义索引模式
- 选择time stamp填入:
@timestamp
- 确认
scope
,type
,app_id
,level
, 等正在索引。
- 点击 图标并搜索
scope:*